bruker multippel regresjonsanalyse, det vil si at
de kontrollerer for faktorer som ikke kan påvir-
kes av den enkelte skolen og som kan forklare
forskjeller mellom elever (Se f.eks. Meyer 1997,
Heck 2000, Ladd & Walsh 2002 og Dearden,
Micklewright & Vignoles 2011). Dersomman kun
har tilgang på elevresultater på ett tidspunkt, kan
man kontrollere for familiebakgrunn og liknende
bakgrunnsvariabler i såkalte tverrsnittsmodeller.
En mer avansert variant av multippel regresjons-
analyse er «value-added»-modeller, eller mer-
verdimodeller på norsk, som også kontrollerer
for tidligere resultater. Steffensen mfl. (2017)
argumenterer for at disse modellene i mye større
grad enn tverrsnittsmodellene evner å korrigere
indikatorene for forskjeller i elevsammensetning
mellom skoler.
Studier som har brukt flere av disse metodene
tyder på at multippel regresjonsanalyse gir en
god indikasjon på skolebidrag (Angrist mfl. 2016,
Guarino mfl. 2015, Chetty, Friedman & Rockoff
2014a). Det er grunn til å tro at forskjeller i elev-
grunnlaget som varierer systematisk mellom sko-
ler og som påvirker læringsresultater, i stor grad
kan fanges opp ved hjelp av elevenes tidligere
resultater. Likevel bør det påpekes at det kan være
faktorer som er viktige for læring og som ikke er
kontrollert for, og at disse faktorene kan variere
systematisk mellom skoler. Eksempler på slike
faktorer er støtte fra familie, et godt oppvekstmiljø
(for eksempel med en god skolehelsetjeneste og
sterke frivillige organisasjoner) og egen motiva-
sjon. Elevene kan ha selektert seg selv inn i et
skolemiljø ved at for eksempel mer motiverte
elever søker seg til spesielle skoler i større grad
enn mindre motiverte elever med samme karak-
terer. Med store geografiske avstander er nok et
minst like viktig problem at disse uobserverte
læringsfaktorene kan være korrelert med bosted,
og bosted er avgjørende for skolevalg.
Alle de norske studiene på skolebidrag i vide-
regående opplæring benytter seg av merverdi-
modeller. Hægeland, Kirkebøen & Raaum (2010)
beregner bidragene fra videregående skoler i Oslo
ved å benytte karakterer i Vg1 som resultatvariabel
og kontrollere for karakterene i 10. klasse. I Falch
& Strøm (2013) og Falch, Bensnes & Strøm (2016)
benyttes resultat på slutten av det videregående
opplæringsløpet samtidig som det kontrolleres
for karakterer i 10. klasse. Disse beregner også
skolebidrag for hele landet. I alle tre studier kon-
trolleres det for flere individuelle karakteristik-
ker, som familiebakgrunn. Liknende indikatorer
brukes også i Storbritannia (UK Department for
Education 2017) og Finland (Kortelainen, Pursi-
ainen & Pääkkönen 2016).
I vår tilnærming bruker vi en merverdimodell
der vi tar utgangspunkt i elevens tidligere resulta-
ter og spør hva skolen har bidratt med utover det
som kan forventes med dette elevgrunnlaget gjen-
nom et skoleår eller et utdanningsløp. Vi tar også
hensyn til en rekke andre individ- og familiekjen-
netegn, som vi viser at har svært liten betydning
for indikatorene når det er kontrollert for tidligere
resultater. I tillegg gjør vi en analyse med bruk av
faste effekter for å finne ut hvor viktige de uob-
serverte faktorene er for beregningene. Dette gjør
vi ved å se på karakterresultatene til elevene som
startet på studieforberedende programmer i 2012
og som er blant de 11 prosentene som har byttet
skole underveis. Vi bruker disse til å estimere nye
skolebidrag for alle skolene med samme modell
som vi benyttet tidligere. Deretter beregner vi en
modell med alle de samme kontrollvariablene,
men i tillegg legger vi til en elevfast effekt. Dette
betyr at vi kun sammenlikner prestasjonene til
den samme eleven på to skoler, og ikke utfallene
til ulike elever på ulike skoler. Dette gir et nytt sett
med beregnede skolebidrag. Til slutt sammen-
likner vi parene med skolebidrag for alle skoler
som har eksistert i hele tidsperioden. Vi finner at
Illustrasjonsfoto: ©Sunny studio -
stock.adobe.comBedre Skole nr. 3
■
2017 – 29. årgang
14